Blog

Leggi gli ultimi post per rimanere aggiornato/a

Immagine di copertina
Keyword Extraction senza LLM: da ticket, articoli e documenti

Quando gestisci un blog, una knowledge base o un sistema di ticketing, prima o poi ti scontri con lo stesso problema: centinaia (o migliaia) di testi senza tag, senza categoria, senza metadati utili. Assegnarli a mano è impensabile, e non serve per forza un LLM per risolvere il problema: la keyword extraction classica, con librerie come YAKE e scikit-learn, fa un ottimo lavoro, è deterministica, gira offline ed è economicissima da eseguire su grandi volumi.

Leggi
Immagine di copertina
Sentence Splitting e Snippet Generation con spaCy: guida pratica NLP

Quando si costruisce un motore di ricerca, un sistema di question answering o un pipeline di indicizzazione semantica, due operazioni tornano sempre: suddividere il testo in frasi (sentence splitting) e generare uno snippet rappresentativo attorno a una parola chiave o a un segmento rilevante. Con spaCy entrambe le operazioni sono robuste, veloci e facilmente personalizzabili.

Leggi
Immagine di copertina
tokensave: algoritmi su grafo semantico, MCP server e context builder

Questo è il quarto e ultimo articolo della serie sull’architettura interna di tokensave. Nel primo articolo abbiamo introdotto il concetto di grafo semantico e la pipeline ad alto livello; nel secondo abbiamo analizzato il modello dei dati e la fase di estrazione. Qui vediamo come il grafo viene interrogato: algoritmi di traversata, analisi statiche, server MCP e context builder per gli agenti AI.

Leggi
Immagine di copertina
tokensave internals: modello dati e pipeline di estrazione del grafo

Questo è il secondo articolo della serie sull’architettura interna di tokensave. Nel primo articolo abbiamo visto cos’è un grafo semantico del codice e come è strutturata la pipeline ad alto livello. Qui entriamo nel codice Rust: come sono definiti i dati, come vengono estratti dai file sorgente e come viene mantenuta la sincronizzazione con il filesystem.

Leggi
Immagine di copertina
Intent Detection senza LLM: approccio NLP veloce e controllabile

Chatbot, form di contatto, caselle email condivise, ticket di supporto: in tutti questi contesti, prima ancora di rispondere, serve capire cosa vuole davvero l’utente. È un preventivo? Un reclamo? Assistenza tecnica? Una candidatura spontanea? Questo problema si chiama intent detection (letteralmente “riconoscimento dell’intento”) ed è uno dei task di NLP più classici: quando il numero di intent è chiuso e conosciuto, un classificatore statistico classico è spesso più veloce, più economico e più affidabile di un LLM.

Leggi

Partners

Community, aziende e persone che supportano attivamente il blog

Vuoi diventare partner?

Collaboriamo con community, aziende e strumenti del mondo tech che vogliono raggiungere la nostra community di dev ed engineer italiani. Scrivici per proporre una collaborazione.

Vuoi diventare tech content creator? 🖊️

Se ti va di raccontare la tua esperienza nel mondo tech, questo è il posto giusto.

Cerchiamo voci autentiche, esempi pratici e punti di vista utili per chi legge.

Scrivici a collaborazioni[at]theredcode.it con una proposta: idea, taglio del contenuto e una breve presentazione. Non vediamo l'ora di leggere la tua esperienza!

Invia la tua idea